[发明专利]用于使用融合方法来检测人中的冠状动脉疾病的方法和系统

权利要求书

1.一种用于检测人中的冠状动脉疾病(CAD)的无创方法，所述方法包括实施以下步骤的处理器：

使用多个生理传感器捕获来自人的多个生理信号；

使用信号处理模块处理所述多个生理信号以移除多个噪声；

使用特征提取模块从经处理的生理信号中的每个提取时间域特征、频率域特征、时间-频率域特征以及统计特征；

使用生理信号分类器独立地根据所述特征中的每个将所述人分类为CAD或正常，其中，所述分类使用监督式机器学习技术来完成；

融合所述生理信号分类器的输出；以及

基于预定义准则使用所述生理信号分类器的经融合的输出来检测人中的冠状动脉疾病的存在。

2.根据权利要求1所述的方法，其中，所述预定义准则包括如果所述生理信号分类器的输出之间存在分类失配则选择可靠分类器。

3.根据权利要求2所述的方法，其中，所述可靠分类器基于在所述生理信号分类器中的每个之中具有最高概率分数的所述分类器的结果来选择。

4.根据权利要求1所述的方法，其中，所述多个信号包括心音图(PCG)信号、血管容积图(PPG)信号以及心电图(ECG)信号中的至少一个或多个。

5.根据权利要求1所述的方法，其中，所述生理信号分类器包括PCG分类器、PPG分类器和ECG分类器。

6.根据权利要求1所述的方法，其中，所述血管容积图(PPG)信号从所述人的外周身体部分中提取。

7.根据权利要求6所述的方法，其中，所述人的外周身体部分为指尖、耳朵、脚趾或前额中的至少一个。

8.根据权利要求1所述的方法，其中，所述ECG信号从便携式单引线ECG机器捕获，并且PCG使用数字听诊器捕获。

9.根据权利要求1所述的方法，其中，所述特征是与心跳形态和心率变化性(HRV)相对应的特征的组合的集合。

10.根据权利要求9所述的方法，其中，与所述心跳形态和心脏瓣膜功能相对应的特征使用宽带PCG信号来提取。

11.根据权利要求9所述的方法，其中，与详细心率变化性相对应的特征使用窄带PPG信号和ECG信号来提取。

12.根据权利要求1所述的方法，其中，通过使用机器学习方法来执行冠状动脉疾病(CAD)患者和非冠状动脉疾病(CAD)患者的分类。

13.根据权利要求1所述的方法，其中，所述方法为传感器未知的。

14.根据权利要求1所述的方法，还包括使用低通滤波器来过滤具有高于500Hz的频率的PCG信号。

15.根据权利要求1所述的方法，还包括使用带通滤波器来过滤具有在0.5Hz与10Hz之间的频率的PPG信号。

16.一种用于检测人中的冠状动脉疾病(CAD)的无创系统，所述系统包括：

多个生理传感器，其用于捕获来自人的多个生理信号；

存储器；以及

处理器，其与所述存储器进行通信，所述处理器还包括：

信号处理模块，其处理所述多个生理信号以移除多个噪声；

特征提取模块，其用于从经处理的生理信号中的每个提取时间域特征、频率域特征、时间-频率域特征以及统计特征；

分类模块，其用于使用生理信号分类器独立地根据所述特征中的每个将所述人分类为CAD或正常，其中，所述分类使用监督式机器学习技术来完成；

融合模块，其用于融合所述生理信号分类器的输出；以及

检测模块，其用于基于预定义准则使用所述生理信号分类器来检测人中的所述冠状动脉疾病的存在。

17.一个或多个非暂态机器可读信息存储介质，包括一个或多个指令，所述一个或多个指令当由一个或多个硬件处理器运行时执行包括以下的动作：

使用多个生理传感器捕获来自人的多个生理信号；

使用信号处理模块处理所述多个生理信号以移除多个噪声；

使用特征提取模块从经处理的生理信号中的每个提取时间域特征、频率域特征、时间-频率域特征以及统计特征；

使用生理信号分类器独立地根据所述特征中的每个将所述人分类为CAD或正常，其中，所述分类使用监督式机器学习技术来完成；

融合所述生理信号分类器的输出；以及

基于预定义准则使用所述生理信号分类器的经融合的输出检测人中的冠状动脉疾病的存在。